Matplotlib 动画：“成长型”折线图

Matplotlib是Python中用于生成二维图表的库，支持多种绘图类型和交互式功能。其中的动画功能能够在数据以时间序列或其他变化中不断发生时呈现出我们的数据。这篇文章将讲述如何使用Matplotlib的动画功能生成一个“成长型”折线图。

阅读更多：Matplotlib 教程

Matplotlib基础

在了解如何生成动画之前，我们需要先了解一些Matplotlib的基础用法。

数据

首先，我们需要有一些数据。在这个例子中，我们使用随机生成的数据。我们需要先导入Numpy库并使用numpy.random.rand()生成100个0到1之间的随机数。

import numpy as np
np.random.seed(42)
data = np.random.rand(100)

绘图

接下来，我们需要绘制线图。我们使用Matplotlib的pyplot模块的plot()函数来绘制折线图。plot()函数可以接受多个参数，例如data，在这个例子中，我们作为x轴上的横坐标。y参数是y轴上的纵坐标。我们还可以使用label参数为线条添加标签，并使用title()函数给图形添加标题。

from matplotlib import pyplot as plt

plt.plot(data, label="Random Data")
plt.title("Growing Line Plot")
plt.legend()
plt.show()

这将生成一个简单的折线图，它显示了我们生成的100个随机数的变化。

持续更新图形

一旦我们了解了如何绘制初步折线图，我们可以通过不断更新x轴和y轴数据来实现持续更新图形。对于每个数据点，我们都计算出前一次迭代后x轴的值并将其添加到数据列表中，然后使用该数据列表更新图形。我们使用Matplotlib的pause()函数来使动画以适当的速度运行。

fig, ax = plt.subplots()
ax.set_xlim(0, len(data))
ax.set_ylim(0, 1)
plt.title("Growing Line Plot")

for i in range(len(data)):
    ax.plot(data[:i], color="blue", label="Random Data")
    plt.pause(0.1)

这将生成一个成长型折线图，该图随着时间的推移，数据点不断增加。我们使用pause()函数控制了折线图的更新速度。

Matplotlib动画

上述方法虽然可以将数据点添加到图形中，但它并没有真正实现动画。这种方法的问题在于它每次都重新绘制了整个图形，而没有利用Matplotlib的动画功能。

下面我们将讲述如何使用Matplotlib的动画API来实现一个更流畅的动画。

FuncAnimation

Matplotlib的动画功能可以通过使用FuncAnimation类实现。FuncAnimation类的构造函数可以接受多个参数，但其中几个最重要的参数是：

fig：新建的图形对象。
func：动画功能函数。
frames：帧的数字或列表。
`initFuncAnimation类的参数：

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
ax.set_xlim(0, len(data))
ax.set_ylim(0, 1)
plt.title("Growing Line Plot")

def update(i):
    ax.plot(data[:i], color="blue", label="Random Data")

ani = FuncAnimation(fig, update, frames=len(data))
plt.show()

这个版本的代码看起来和之前的版本类似，但是我们设置了FuncAnimation类来更新图像，而不是手动循环并重新绘制所有点。在这个新版本的代码中，update()函数被称为图形更新的“回调”函数。在回调函数中，我们可以调用plt.plot()并更新图形对象，就像我们在之前的版本中所做的那样。

这是一个很好的开始，但是我们还可以通过更改线条的颜色和添加时间序列来进一步完善它。

fig, ax = plt.subplots()
ax.set_xlim(0, len(data))
ax.set_ylim(0, 1)
plt.title("Growing Line Plot")

xdata, ydata = [], []
line, = ax.plot([], [], color="blue", label="Random Data")

def update(i):
    xdata.append(i)
    ydata.append(data[i])
    line.set_data(xdata, ydata)
    return line,

ani = FuncAnimation(fig, update, frames=len(data), blit=True)
plt.show()

在新版本的代码中，我们将line变量定义为一个元组，只包含一条线条。然后我们使用在回调函数update()中更新元组的方法来更新图形。最后，我们必须告诉FuncAnimation类返回图形的哪些部分，这里我们需要返回line这条线条的元组。

总结

使用Matplotlib的动画功能可以非常容易地创建数据可视化，特别是当需要将数据以时间序列呈现时。在这篇文章中，我们介绍了如何使用Python和Matplotlib创建一个“成长型”折线图，以展示我们的数据的变化。尽管我们介绍了一些基本概念，但Matplotlib还有很多其他功能和设置，可用于更高级的数据可视化。